重要性抽样中加权经验测度的大偏差

@文章{Hult2012LargeDF,title={重要性抽样中出现的加权经验测度的大偏差},author={Henrik Hult和Pierre Nyquist},journal={随机过程及其应用},年份={2012},体积={126},页码={138-170},网址={https://api.semanticscholar.org/CorpusID:119329770}}

风险度量重要抽样估计的适度偏差原则

使用大偏差的δ方法,结合经典的大偏差技术,获得了两种最常见风险度量值(风险值和预期短缺)的重要性抽样估计值的适度偏差原则。

重要性抽样和必要样本量:一种信息论方法

导出了重要抽样成功所需的一般界,并将目标和建议之间的f分歧与样本大小联系起来,这是从重要抽样研究的一个新的简单信息理论范式中推导出来的。

黑箱模型中畸变风险度量有效蒙特卡罗估计的重要抽样和机器学习集成方法

本文提出了一种用于此类模型中失真风险度量的有效重要抽样方法,通过机器学习降低了计算成本,并证明了蒙特卡罗方法的适用性和效率。

重要性抽样所需的样本量

重要性抽样的目的是使用从不同概率中抽取的大小为$n$的随机样本,估计给定函数相对于概率测度$\nu$的期望值

概率和统计算法的性质和进展及其在金融中的应用

本文研究了从离散时间观测值估计连续时间马尔可夫链(CTMC)生成器的问题,该问题本质上是统计学中的一个缺失数据问题,并开发了MV-SDE的重要抽样算法,其中测量变化是通过大偏差原理理论获得的。

数量MONTE CARLO估计的重要抽样

本文研究应用重要性抽样作为计算极端分位数的方差减少工具。对于四个提出的重要性中的每一个,都导出了中心极限定理

重要性抽样、大偏差和差分对策

研究表明,在温和的条件下,如果考虑动态重要性抽样方案,可以发现测度的渐近最优变化,并基于与微分对策相关的Isaacs方程,提出了一种构造动态方案的方法。

自举经验测度的大偏差

我们研究了具有可交换权重的自举经验测度的大偏差性质。我们的主要结果在很大程度上显示了所得到的速率函数是如何与LD相结合的

大偏差理论的弱收敛方法

根据拉普拉斯原理形成大偏差理论。第一个例子:萨诺夫定理。第二个例子:莫古尔斯基定理。其他随机过程的表示公式。

Rare-Event模拟的拆分

对分裂技术进行了回顾,从实用的角度讨论了它的一些优点和局限性,并介绍了多级分裂技术在实现中的改进。

一类Isaacs方程的子解及重要抽样的有效方案

渐近分析是本论文的主题,而配套论文则侧重于构造子解的显式方法、实现方面和数值结果。

应用方差减少技术时分位数的置信区间

本文在VRT的一般框架内,利用方差减少技术(VRTs)为通过仿真估计的分位数建立了渐近有效的置信区间,其中包括重要抽样、分层抽样、对立变量和控制变量。

价值-风险和条件价值-风险的蒙特卡罗方法:综述

回顾了蒙特卡罗方法在VaR和CVaR中的一些最新发展,提供了一个统一的框架来理解它们,并讨论了它们在金融风险管理中的应用。

一种用于罕见事件估计的交互粒子方法分析

对用于罕见事件估计的交互粒子方法的性能进行了大偏差分析,所开发的方法给出了此类系统的完全大偏差原理。